将小麦与谷壳分开

赞助行业见解

利用来自大量非结构化数据湖泊的高价值内容是提高运营效率的最大障碍之一。 Peter Duff（Adlib Software首席执行官）着眼于处理复杂数据资产的陷阱以及成功数字化转型之路。

在混沌理论中，初始条件对结果有着至关重要的影响。处理非结构化内容也不例外。如果组织的数据属性健康 – 并且AI，RPA和分析工具可以有效地挖矿内容 – 您会看到更好的结果向外辐射。

在外围，这意味着更加连贯的客户旅程，准确的见解，增加的客户响应时间和总体满意度。提高运营效率，实现成本节约。这对于坐拥复杂遗留客户数据的组织尤为重要，例如我们在银行和保险行业看到的情况。

利用IBM Watson进行风险分析是一个触手可及的强大工具。

首先，让我们来看看分析：当他们快速敏捷时，企业会有更好的监督和更清晰的愿景。如果您的数据湖是一个无法访问的混乱，即使是最好的分析工具也不会很好。

机器人过程自动化（RPA）是另一个主要考虑因素。由于无法快速访问和利用高质量数据，企业无法充分利用RPA提供的所有数据。最终，这意味着对低效率和风险敞开大门。

银行的一个例子可能如下：银行机构希望通过利用RPA来自动化其客户入职流程以提高运营效率。目标是提供增强的数字体验，加快响应时间并提高整体满意度。但是，如果RPA无法从非结构化数据的海量库中提取准确的信息，那么该公司的目标就不会取得很大进展。

AI也是如此：依赖于高质量客户数据的聊天机器人如果无法访问正确的内容，可能会影响运营效率和客户期望。低于标准的聊天机器人性能意味着客户查询转向关键资源。在这里，您不仅会破坏和延长客户的旅程，而且还会让知识工作者远离高影响力的活动。简而言之，面向客户的人工智能的认知能力可能存在，但如果无法获得高质量的内容，就无法完成其工作。

回到保险并在非面向客户的情况下使用AI，想象一下您是一家利用IBM Watson进行风险分析和可预测性的再保险公司;这是一个触手可及的强大工具。然而，无论Watson的认知能力有多么特殊，如果无法有效利用数据（包括结构化和非结构化），Watson无法以最佳性能运行。这不仅意味着您没有看到人工智能投资的良好回报，您可能会损害您有效建模产品和定价的能力。

总之，坐落在膨胀和复杂数据湖泊中的非结构化内容为RPA，AI和其他工具带来了重大挑战。提取这些信息 – 将小麦与谷壳分开 – 是全面提高运营效率的核心。特别是对于金融服务部门，如何在源头管理，清理和访问数据对运营效率和总结产生了巨大的径向影响。

这也是Adlib Software等非结构化内容专家的用武之地。它们使企业能够通过发现，访问非结构化数据并将其转换为高质量的结构化数据来创建端到端的数字战略，从而为流程自动化和商业智能提供动力。

作者：金融科技期货的自由撰稿人和编辑撰稿人Georgina Treloar。

本文还刊登在2019年7月/ 8月的“银行技术”杂志上。

点击这里或下面的横幅阅读数字版 – 它是免费的